CN110660120A - 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 - Google Patents
太赫兹光谱图像数据的处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110660120A CN110660120A CN201810601451.9A CN201810601451A CN110660120A CN 110660120 A CN110660120 A CN 110660120A CN 201810601451 A CN201810601451 A CN 201810601451A CN 110660120 A CN110660120 A CN 110660120A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- spectral
- curve
- pixel point
- library
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种太赫兹光谱图像数据的处理方法、装置、计算机设备和存储介质。该方法包括:根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集;根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;根据各第一像元点的第一光谱曲线重构新的第一光谱图像立方体。本发明的太赫兹光谱图像数据的处理方法相比与传统的直接针对太赫兹脉冲时域波形分析和处理,进而生成太赫兹光谱图像的方法相比,本发明的太赫兹光谱图像数据的处理方法生成的太赫兹光谱图像的分辨率较高。
Description
技术领域
本发明涉及光谱成像技术领域,尤其涉及一种太赫兹光谱图像数据的处理方法、装置、设备和存储介质。
背景技术
太赫兹波(terahertz,THz)是指频率在0.1THz~10THz范围内的电磁辐射,具有透视性、低能无损性和光谱分辨特性等优点,因而在成像领域具有独特的优势及应用。目前,太赫兹时域光谱成像技术是太赫兹成像技术中发展最早、技术最成熟的成像技术。
太赫兹时域光谱成像技术是通过对被测物体进行空间扫描和时间扫描,获取太赫兹时域光谱图像数据,并对太赫兹时域光谱图像数据进行分析和处理,采用处理后的太赫兹光谱图像数据,生成太赫兹光谱图像。
但是,上述方法生成的太赫兹光谱图像分辨率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高太赫兹光谱图像的分辨率的太赫兹光谱图像数据的处理方法、装置、设备和存储介质。
一种太赫兹光谱图像数据的处理方法,包括:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
在其中一个实施例中,所述光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,所述第二光谱图像立方体的光谱分辨率高于所述第一光谱图像立方体的光谱分辨率,所述第二光谱图像立方体的空间分辨率小于所述第一光谱图像立方体的空间分辨率。
在其中一个实施例中,所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集之前,所述方法还包括:
将所述第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;所述第二像元点为所述第二光谱图像立方体的像元点;
根据各所述第二像元点的光谱曲线确定所述光谱库。
在其中一个实施例中,所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:
采用预设的相似度算法,获取各所述第一像元点的原始光谱曲线与所述光谱库中的每条光谱曲线之间的相似度函数值;
根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集。
在其中一个实施例中,所述根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:
若所述第一像元点的原始光谱曲线与所述光谱库中的第二光谱曲线之间的相似度函数值大于所述预设阈值,则确定所述第二光谱曲线为所述第一像元点对应的光谱训练子集中的曲线。
在其中一个实施例中,所述根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线,包括:
确定各光谱训练子集中的每条光谱曲线的权值;
根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各所述第一像元点的第一光谱曲线。
在其中一个实施例中,所述确定各光谱训练子集中的每条光谱曲线的权值,包括:
根据预设的光谱曲线相似度评价函数、各所述相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
一种太赫兹光谱图像数据的处理装置,所述装置包括:
确定模块,用于根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
第一重构模块,用于根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
第二重构模块,用于根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
本申请实施例提供的太赫兹光谱图像数据的处理装置、计算机设备和存储介质,根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集;根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各第一像元点的第一光谱曲线;根据各第一像元点的第一光谱曲线重构新的第一光谱图像立方体。由于该方法是根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,选择各第一像元点对应的光谱训练子集,使得光谱训练子集中的光谱曲线逼近于各第一像元点的原始光谱曲线,则使用光谱训练子集中的光谱曲线重构各第一像元点的第一光谱曲线,就相当于利用光谱曲线之间的相关性对各第一像元点的原始光谱曲线进行重构,使得根据各第一像元点的第一光谱曲线重构的新的第一光谱图像立方体精度较高,进而生成的光谱图像分辨率较高。
附图说明
图1为太赫兹时域光谱成像系统的框图;
图2为一个实施例提供的一种太赫兹光谱图像数据的处理方法的流程图;
图3为另一个实施例提供的一种太赫兹光谱图像数据的处理方法的流程图;
图4为图2中的S101的一种可能的实现方式的流程图;
图5为图2中的S102的一种可能的实现方式的流程图;
图6为一个实施例中太赫兹光谱图像数据的处理装置的结构框图;
图7为另一个实施例中太赫兹光谱图像数据的处理装置的结构框图;
图8为另一个实施例中太赫兹光谱图像数据的处理装置的结构框图;
图9为另一个实施例中太赫兹光谱图像数据的处理装置的结构框图;
图10为一个实施例提供的计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的太赫兹光谱图像数据的处理方法,可适用于如图1所示的太赫兹时域光谱成像系统中,该系统包括激光器、分束器、时间延迟器、太赫兹发射元件、太赫兹探测元件、锁相放大器和计算机设备。其中,激光器用于产生激光脉冲;时间延迟器用于调节太赫兹脉冲相对于探测光的延迟时间;太赫兹发射元件用于根据经过时间延迟器后的泵浦光产生太赫兹脉冲;太赫兹探测元件用于接收太赫兹脉冲,并根据太赫兹脉冲产生太赫兹脉冲时域波形;锁相放大器用于将太赫兹探测元件的输出信号放大,且输出给计算机设备进行处理。目标物体设置于可移动的平移台(图中未示出)上,计算机设备分别与时间延迟器和平移台连接。
该系统的工作原理为:激光器产生激光脉冲,激光脉冲被分束器分为泵浦光和探测光两路光束。泵浦光经过时间延迟器,入射到太赫兹发射元件产生太赫兹脉冲,太赫兹脉冲再照射到目标物体上,并经过目标物体透射后与探测光一同入射到太赫兹探测元件上,得到太赫兹脉冲时域波形。太赫兹脉冲时域波形经过锁相放大器放大后,传输给计算机设备进行处理和成像。
在上述的太赫兹时域光谱成像系统中,传统的光谱图像成像方法得到的光谱图像的分辨率较低。本发明实施例提供一种太赫兹光谱图像数据的处理方法,旨在解决传统技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为一个实施例提供的一种太赫兹光谱图像数据的处理方法的流程图,该方法的执行主体为图1中的计算机设备,具体方法如图2所示,该方法包括以下步骤:
S101、根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集;光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,光谱训练子集中包括至少两条光谱曲线。
其中,在光谱成像过程中,计算机设备可以控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行本次扫描,计算机设备可以获得目标物体在不同位置不同时间点对应的太赫兹脉冲时域波形,计算机设备在根据对目标物体在不同的位置不同的时间点扫描得到的太赫兹脉冲时域波形,构成第一光谱图像立方体。第一光谱图像立方体包括多个第一像元点,每个第一像元点都对应一个完整的太赫兹时域脉冲波形。目标物体是指需要进行测量或者成像的物体,该目标物体设置在平移台上,计算机设备可以控制平移台移动,使得目标物体随着平移台移动到不同的位置。光谱训练子集可以包含从光谱库中的选择得到的部分光谱曲线,可选的,光谱训练子集也可以包含光谱库中的全部光谱曲线。相似度函数值为计算机设备根据相关评价指标判断两条光谱曲线相似程度的一个指标,可以表示为一个具体的数值。
在本实施例中,计算机设备控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行本次扫描之前,计算机设备还可以控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行至少一次扫描,根据至少一次扫描后得到的多个太赫兹脉冲时域波形构成光谱库。根据预设的相似度计算方法,计算第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值。
可选地,若相似度函数值越大,光谱库中的光谱曲线越逼近第一光谱图像立方体的各第一像元点的原始光谱曲线,若相似度函数值越小,光谱库中的光谱曲线越远离第一光谱图像立方体的各第一像元点的原始光谱曲线。则可以将光谱库中与第一像元点的原始光谱曲线之间的相似度函数值较大的光谱曲线确定为光谱训练子集中的曲线。
S102、根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各第一像元点的第一光谱曲线。
其中,第一光谱曲线可以由计算机设备根据各第一像元点对应的光谱训练子集中的全部光谱曲线,重构各第一像元点的第一光谱曲线。可选的,第一光谱曲线也可以由计算机设备根据各第一像元点对应的光谱训练子集中的部分光谱曲线,重构各第一像元点的第一光谱曲线。例如,计算机设备可以依据预设的筛选条件从第一像元点的光谱训练子集中筛选出的部分光谱曲线,根据筛选出的部分光谱曲线重构第一像元点的第一光谱曲线。所述筛选条件可以包括相似度阈值或误差阈值,例如,若筛选条件包括相似度阈值,则将第一像元点的光谱训练子集中,选择与第一像元点的原始光谱曲线之间的相似度函数值大于或等于该相似度阈值的光谱曲线重构第一光谱曲线;或者,若筛选条件可以包括误差阈值,则获取第一像元点的光谱训练子集中各光谱曲线对应的相似度函数值的平均相似度函数值;在计算第一像元点的光谱训练子集中每个光谱曲线对应的相似度函数值与平均相似度函数值之间的误差值;选择第一像元点的光谱训练子集中的误差值小于或等于误差阈值的光谱曲线重构第一光谱曲线。
再例如,若可以按照光谱曲线的相似度函数值从大到小的顺序排列,将光谱训练子集中的光谱曲线进行排序,则可以选择排序后的光谱训练子集中的前N个光谱曲线重构第一光谱曲线。或者,将光谱训练子集中的光谱曲线的相似度函数值进行平均值运算,获取光谱训练子集中的光谱曲线的平均相似度函数值,再计算光谱训练子集中的每条光谱曲线的相似度函数值与平均相似度函数值之间的误差值,按照误差值从小到大的顺序将光谱训练子集中的光谱曲线进行排序,则可以选择排序后的光谱训练子集中的前M个光谱曲线重构第一光谱曲线。
S103、根据各第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
在本实施例中,计算机设备可以根据多个第一像元点的第一光谱曲线重构新的第一光谱图像立方体,例如,计算机设备可以根据第一像元点的第一光谱曲线和各第一像元点的原始光谱曲线的空间位置信息重构新的第一光谱图像立方体。可选的,计算机设备还可以对各第一像元点的第一光谱曲线进行重构,根据重构后的各第一像元点的第一光谱曲线和各第一像元点的原始光谱曲线的空间位置信息重构新的第一光谱图像立方体。
现有的光谱成像过程中,太赫兹光谱图像数据的处理方法为计算机设备直接针对太赫兹脉冲时域波形进行分析和处理,进而生成太赫兹光谱图像,该太赫兹光谱图像数据的处理方法生成的太赫兹光谱图像分辨率较低。本申请实施例中,根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集;根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各第一像元点的第一光谱曲线;根据各第一像元点的第一光谱曲线重构新的第一光谱图像立方体。由于该方法是根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,选择各第一像元点对应的光谱训练子集,使得光谱训练子集中的光谱曲线逼近于各第一像元点的原始光谱曲线,则使用光谱训练子集中的光谱曲线重构各第一像元点的第一光谱曲线,就相当于利用光谱立方体中光谱曲线之间的相关性对各第一像元点的原始光谱曲线进行重构,使得根据各第一像元点的第一光谱曲线重构的新的第一光谱图像立方体精度较高,进而生成的光谱图像分辨率较高。
本申请实施例提供的太赫兹光谱图像数据的处理方法,根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集;根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各第一像元点的第一光谱曲线;根据各第一像元点的第一光谱曲线重构新的第一光谱图像立方体,使得根据各第一像元点的第一光谱曲线重构的新的第一光谱图像立方体精度较高,进而生成的光谱图像分辨率较高。
可选的,在图2所示实施例的基础上,光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,第二光谱图像立方体的光谱分辨率高于第一光谱图像立方体的光谱分辨率,第二光谱图像立方体的空间分辨率小于第一光谱图像立方体的空间分辨率。
在本实施例中,在光谱成像过程中,计算机设备可以控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行多次扫描,例如,计算机设备可以控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行第一次扫描和第二次扫描,通过第一次扫描获取的目标物体在每个扫描点的扫描数据,构成第二光谱图像立方体,第一次扫描的扫描数据包含太赫兹脉冲时域波形和该太赫兹脉冲时域波形的空间位置信息;通过第二次扫描获取的目标物体在每个扫描点的扫描数据,构成第一光谱图像立方体,第二次扫描的扫描数据包含太赫兹脉冲时域波形和该太赫兹脉冲时域波形的空间位置信息。可选地,计算机设备在对目标物体进行第一次扫描和第二次扫描时,第一次扫描的时间扫描周期大于第二次扫描的时间扫描周期,可以实现第二光谱图像立方体的光谱分辨率高于第一光谱图像立方体的光谱分辨率;第一次扫描的空间扫描间隔大于第二次扫描的空间扫描间隔,可以实现第二光谱图像立方体的空间分辨率小于第一光谱图像立方体的空间分辨率。
在本实施例中,第二光谱图像立方体的光谱分辨率高于第一光谱图像立方体的光谱分辨率,第二光谱图像立方体的空间分辨率小于第一光谱图像立方体的空间分辨率,根据第二光谱图像立方体对第一光谱图像立方体进行重构,相当于采用第二光谱图像立方体的高光谱分辨率对第一光谱图像立方体的低光谱分辨进行补偿。因此,重构后得到的新的第一光谱图像立方体为高光谱高空间分辨率的光谱图像立方体,提高了第一光谱图像立方体的光谱分辨率。
在本实施例中,计算机设备对目标物体扫描后得到太赫兹脉冲波形,同时,计算机设备对太赫兹脉冲波形进行处理之后得到第二光谱图像立方体。而该第二光谱图像立方体是一个三维数据模式,且光谱库是一个二维数据模式。因此,在从光谱库中确定各所述第一像元点对应的光谱训练子集之前,需要将第二光谱图像立方体从三维数据模式转换为二维数据模式,以生成光谱库。
图3为另一个实施例提供的一种太赫兹光谱图像数据的处理方法的流程图,如图3所示,在图2所示实施例的基础上,根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各所述第一像元点对应的光谱训练子集之前,所述方法还包括:
S201、将第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;第二像元点为第二光谱图像立方体的像元点。
在本实施例中,第二光谱图像立方体中不仅表示了各第二像元点的光谱曲线,还需要表示出各第二像元点的空间位置信息。因此,第二光谱图像立方体的数据模式为三维数据模式。由于光谱训练子集中的光谱曲线是根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值确定的,在计算相似度函数值时,不涉及到空间位置信息,所以为了简化运算,可以将第二光谱图像立方体的数据模式从三维数据模式转换成二维的数据模式。
S202、根据各第二像元点的光谱曲线确定光谱库。
在本实施例中,光谱库包括各第二像元点的光谱曲线,该光谱库是二维数据模式,也即,该光谱库是由第二光谱图像立方体从三维数据模式转换为二维数据模式得到。可选地,光谱库还可以包括其它光谱图像立方体从三维数据模式转换为二维数据模式后形成的光谱曲线,其它光谱图像立方体是计算机设备控制太赫兹时域光谱成像系统中的各元件相互配合在对目标物体进行本次扫描之前,计算机设备控制太赫兹时域光谱成像系统中的各元件相互配合对目标物体进行多次扫描之后,得到的目标物体在每个扫描点的扫描数据,生成的光谱图像立方体。
本实施例提供的太赫兹光谱图像数据的处理方法,将第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线,根据各第二像元点的光谱曲线确定光谱库,由于光谱库中的光谱曲线为二维数据模式,则计算光谱库的光谱曲线与第一像元点的原始光谱曲线之间的相似度函数值时,简化了算法步骤,可以减少运算量和算法复杂度。
图4为图2中的S101的一种可能的实现方式的流程图,本实施例涉及的是从光谱库中确定各第一像元点对应的光谱训练子集的过程,如图4所示,S101“根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从光谱库中确定各第一像元点对应的光谱训练子集”包括:
S301、采用预设的相似度算法,获取各第一像元点的原始光谱曲线与光谱库中的每条光谱曲线之间的相似度函数值。
其中,预设的相似度算法可以为太赫兹光谱相似度评价指标,可选的,太赫兹光谱相似度评价指标可以选用均方根误差、拟合优度等不同的评价指标,可选的,太赫兹光谱相似度评价指标也可以是多个评价指标的耦合,具体的选择原则根据实际应用需求而定,本实施例不做限制。
在本实施例中,计算机设备可以根据预设的相似度算法,计算各第一像元点的原始光谱曲线与光谱库中的每条光谱曲线之间的相似度函数值,该相似度函数值用于表示各第一像元点的原始光谱曲线与光谱库中的每条光谱曲线之间的相似程度。例如,若采用拟合优度法计算各第一像元点的原始光谱曲线与光谱库中的每条光谱曲线之间的拟合优度值,该拟合优度值即为相似度函数值,则拟合优度值越大,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越高;拟合优度值越小,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越低。或者,若采用均方根误差法计算各第一像元点的原始光谱曲线与光谱库中的每条光谱曲线之间的均方根误差,该均方根误差即为相似度函数值,则均方根误差越小,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越高;均方根误差越大,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越低。
S302、根据各相似度函数值和预设阈值,从光谱库中确定各第一像元点对应的光谱训练子集。
其中,预设阈值是根据重构数据的精度要求预先设置的一个相似度参考标准,作为从所述光谱库中选择光谱曲线的判断条件,重构数据的精度越高,则预设阈值越大;或者,重构数据的精度越高,预设阈值越小。
可选地,在重构数据的精度越高,则预设阈值越大的场景中,根据各相似度函数值和预设阈值,从光谱库中确定各第一像元点对应的光谱训练子集,包括:若第一像元点的原始光谱曲线与光谱库中的第二光谱曲线之间的相似度函数值大于预设阈值,则确定第二光谱曲线为第一像元点对应的光谱训练子集中的曲线。例如,若采用拟合优度法计算相似度函数值,则相似度函数值越大,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越高;相似度函数值越小,第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越低。相当于预设阈值越大,重构数据的精度越高。因此,可以将相似度函数值大于预设阈值的光谱曲线确定为第一像元点对应的光谱训练子集中的曲线。
在本实施例中,由于相似度函数值越大,则第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越高;相似度函数值越小,则第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越低。因此,当第一像元点的原始光谱曲线与光谱库中的第二光谱曲线之间的相似度函数值大于预设阈值时,确定第二光谱曲线为第一像元点对应的光谱训练子集中的曲线,则第一像元点对应的光谱训练子集中的曲线与第一像元点的原始光谱曲线更加的相似,进一步提高的数据重构的准确度。
可选地,重构数据的精度越高,预设阈值越小的场景中,根据各相似度函数值和预设阈值,从光谱库中确定各第一像元点对应的光谱训练子集,包括:第一像元点的原始光谱曲线与光谱库中的第二光谱曲线之间的相似度函数值小于预设阈值,则确定第二光谱曲线为第一像元点对应的光谱训练子集中的曲线。例如,若采用均方根误差法计算均方根误差,该均方根误差即为相似度函数值,相似度函数值越小,则第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越高;相似度函数值越大,则第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似程度越低。相当于预设阈值越小,重构数据的精度越高。因此,可以将相似度函数值小于预设阈值的光谱曲线确定为第一像元点对应的光谱训练子集中的曲线。
在图4所示实施例的基础上,在根据各相似度函数值从光谱库中确定各第一像元点对应的光谱训练子集后,可以根据该光谱训练子集中的光谱曲线重构各第一像元点的第一光谱曲线,下面以图5为例,详细介绍重构第一像元点的第一光谱曲线的实现过程。
如图5所示,S102“根据各第一像元点对应的光谱训练子集中的光谱曲线,分别重构各第一像元点的第一光谱曲线”包括:
S401、确定各光谱训练子集中的每条光谱曲线的权值。
其中,光谱曲线的权值是根据光谱曲线间的相似度函数值确定的,光谱曲线的权值可以等于相似度函数值的数值大小,例如,第一像元点的原始光谱曲线与第一像元点的光谱训练子集的光谱曲线A之间相似度函数值为0.9,则光谱曲线A的权值为0.9;或者,也可以根据相似度函数值确定对应的权值,例如,第一像元点的原始光谱曲线与第一像元点的光谱训练子集的光谱曲线A之间相似度函数值为0.9,则光谱曲线A的权值为a*0.9,a为预设的校正因子。
可选的,S401“确定各光谱训练子集中的每条光谱曲线的权值”,包括:根据预设的光谱曲线相似度评价函数、各相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
本实施例中,预设的光谱曲线相似度评价函数可以为拟合优度指标,或者,预设的光谱曲线相似度评价函数也可以为均方根误差指标,或者是别的指标,本实施例不做限制。例如,若采用拟合优度指标确定相似度函数值,相似度函数值与权值成正比关系,则相似度函数值越大,光谱曲线的权值越大,相似度函数值越小,光谱曲线的权值越小。或者,若采用均方根误差指标确定相似度函数值,相似度函数值与权值成反比关系,则相似度函数值越小,光谱曲线的权值越大,相似度函数值越大,光谱曲线的权值越小。
S402、根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各第一像元点的第一光谱曲线。
本实施例中,计算机设备对光谱训练子集中的多条赋予权值的光谱曲线进行重构,得到第一像元点的第一光谱曲线。重构算法可以为常用的数据重构算法,比如维纳法、伪逆法等逆运算方法,本实施例不做限制。
本申请实施例提供的太赫兹光谱图像数据的处理方法,确定各光谱训练子集中的每条光谱曲线的权值,根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各第一像元点的第一光谱曲线,因为在第一光谱曲线重构的过程为光谱训练子集中的每条光谱曲线设置了权值,可以进一步的分配光谱训练子集中的中的光谱曲线的权重,进一步提高的第一光谱曲线的精度。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行。
图6为一个实施例提供的太赫兹光谱图像数据的处理装置的结构示意图,如图6所示,所述装置包括:确定模块11、第一重构模块12和第二重构模块13,其中:
确定模块11,用于根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线。
第一重构模块12,用于根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线。
第二重构模块13,用于根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
在其中一个实施例中,所述光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,所述第二光谱图像立方体的光谱分辨率高于所述第一光谱图像立方体的光谱分辨率,所述第二光谱图像立方体的空间分辨率小于所述第一光谱图像立方体的空间分辨率。
在其中一个实施例中,如图7所示,在图6所述的太赫兹光谱图像数据的处理装置基础上,所述装置还包括:
转换模块14,用于将所述第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;所述第二像元点为所述第二光谱图像立方体的像元点。
转换确定模块15,用于根据各所述第二像元点的光谱曲线确定所述光谱库。
在其中一个实施例中,如图8所示,在图6所述的太赫兹光谱图像数据的处理装置基础上,所述确定模块11具体可以包括:
获取单元111,用于采用预设的相似度算法,获取各所述第一像元点的原始光谱曲线与所述光谱库中的每条光谱曲线之间的相似度函数值。
确定单元112,用于根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集。
在其中一个实施例中,所述根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:若所述第一像元点的原始光谱曲线与所述光谱库中的第二光谱曲线之间的相似度函数值大于所述预设阈值,则确定所述第二光谱曲线为所述第一像元点对应的光谱训练子集中的曲线。
在其中一个实施例中,如图9所示,在图6所述的太赫兹光谱图像数据的处理装置基础上,所述第一重构模块12包括:
第一确定单元121,用于确定各光谱训练子集中的每条光谱曲线的权值。
重构单元122,用于根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各所述第一像元点的第一光谱曲线。
在其中一个实施例中,所述确定各光谱训练子集中的每条光谱曲线的权值,包括:根据预设的光谱曲线相似度评价函数、各所述相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
关于太赫兹光谱图像数据的处理装置的具体限定可以参见上文中对于太赫兹光谱图像数据的处理方法的限定,在此不再赘述。上述太赫兹光谱图像数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储光谱曲线等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种太赫兹光谱图像数据的处理方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
在一个实施例中,处理器执行计算机程序时还实现:所述光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,所述第二光谱图像立方体的光谱分辨率高于所述第一光谱图像立方体的光谱分辨率,所述第二光谱图像立方体的空间分辨率小于所述第一光谱图像立方体的空间分辨率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集之前,包括:将所述第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;所述第二像元点为所述第二光谱图像立方体的像元点;根据各所述第二像元点的光谱曲线确定所述光谱库。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:
采用预设的相似度算法,获取各所述第一像元点的原始光谱曲线与所述光谱库中的每条光谱曲线之间的相似度函数值;根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:若所述第一像元点的原始光谱曲线与所述光谱库中的第二光谱曲线之间的相似度函数值大于所述预设阈值,则确定所述第二光谱曲线为所述第一像元点对应的光谱训练子集中的曲线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线,包括:确定各光谱训练子集中的每条光谱曲线的权值;根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各所述第一像元点的第一光谱曲线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述确定各光谱训练子集中的每条光谱曲线的权值,包括:根据预设的光谱曲线相似度评价函数、各所述相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
在一个实施例中,计算机程序被处理器执行时还实现:所述光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,所述第二光谱图像立方体的光谱分辨率高于所述第一光谱图像立方体的光谱分辨率,所述第二光谱图像立方体的空间分辨率小于所述第一光谱图像立方体的空间分辨率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集之前,包括:将所述第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;所述第二像元点为所述第二光谱图像立方体的像元点;根据各所述第二像元点的光谱曲线确定所述光谱库。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:采用预设的相似度算法,获取各所述第一像元点的原始光谱曲线与所述光谱库中的每条光谱曲线之间的相似度函数值;根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:若所述第一像元点的原始光谱曲线与所述光谱库中的第二光谱曲线之间的相似度函数值大于所述预设阈值,则确定所述第二光谱曲线为所述第一像元点对应的光谱训练子集中的曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线,包括:确定各光谱训练子集中的每条光谱曲线的权值;根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各所述第一像元点的第一光谱曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述确定各光谱训练子集中的每条光谱曲线的权值,包括:根据预设的光谱曲线相似度评价函数、各所述相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种太赫兹光谱图像数据的处理方法,其特征在于,包括:
根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
2.根据权利要求1所述的方法,其特征在于,所述光谱库中的光谱曲线为根据第二光谱图像立方体得到的曲线,所述第二光谱图像立方体的光谱分辨率高于所述第一光谱图像立方体的光谱分辨率,所述第二光谱图像立方体的空间分辨率小于所述第一光谱图像立方体的空间分辨率。
3.根据权利要求2所述的方法,其特征在于,所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集之前,所述方法还包括:
将所述第二光谱图像立方体从三维数据模式转换为二维数据模式,得到各第二像元点的光谱曲线;所述第二像元点为所述第二光谱图像立方体的像元点;
根据各所述第二像元点的光谱曲线确定所述光谱库。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:
采用预设的相似度算法,获取各所述第一像元点的原始光谱曲线与所述光谱库中的每条光谱曲线之间的相似度函数值;
根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集。
5.根据权利要求4所述的方法,其特征在于,所述根据各相似度函数值和预设阈值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集,包括:
若所述第一像元点的原始光谱曲线与所述光谱库中的第二光谱曲线之间的相似度函数值大于所述预设阈值,则确定所述第二光谱曲线为所述第一像元点对应的光谱训练子集中的曲线。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线,包括:
确定各光谱训练子集中的每条光谱曲线的权值;
根据各光谱训练子集中的光谱曲线、每条光谱曲线的权值,重构各所述第一像元点的第一光谱曲线。
7.根据权利要求6所述的方法,其特征在于,所述确定各光谱训练子集中的每条光谱曲线的权值,包括:
根据预设的光谱曲线相似度评价函数、各所述相似度函数值,确定各光谱训练子集中的每条光谱曲线的权值。
8.一种太赫兹光谱图像数据的处理装置,其特征在于,所述装置包括:
确定模块,用于根据第一光谱图像立方体的各第一像元点的原始光谱曲线与光谱库中的光谱曲线之间的相似度函数值,从所述光谱库中确定各所述第一像元点对应的光谱训练子集;所述光谱库中光谱曲线与各第一像元点的原始光谱曲线为同一目标物体的光谱曲线,所述光谱训练子集中包括至少两条光谱曲线;
第一重构模块,用于根据各所述第一像元点对应的光谱训练子集中的光谱曲线,分别重构各所述第一像元点的第一光谱曲线;
第二重构模块,用于根据各所述第一像元点的第一光谱曲线重构新的第一光谱图像立方体。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810601451.9A CN110660120B (zh) | 2018-06-12 | 2018-06-12 | 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810601451.9A CN110660120B (zh) | 2018-06-12 | 2018-06-12 | 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660120A true CN110660120A (zh) | 2020-01-07 |
CN110660120B CN110660120B (zh) | 2021-06-15 |
Family
ID=69026184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810601451.9A Active CN110660120B (zh) | 2018-06-12 | 2018-06-12 | 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660120B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6030783A (en) * | 1997-01-31 | 2000-02-29 | Massachusetts Institute Of Technology | Photo-potentiation of cisplatin chemotherapy |
CN103208118A (zh) * | 2013-03-25 | 2013-07-17 | 河海大学 | 一种高光谱遥感影像端元提取方法 |
CN103247034A (zh) * | 2013-05-08 | 2013-08-14 | 中国科学院光电研究院 | 一种基于稀疏光谱字典的压缩感知高光谱图像重构方法 |
CN103488751A (zh) * | 2013-09-24 | 2014-01-01 | 浙江大学 | 基于光谱曲线波形相似度的光谱匹配方法 |
CN105699343A (zh) * | 2016-01-05 | 2016-06-22 | 华南农业大学 | 一种沉香真伪无损鉴别的方法 |
CN107132195A (zh) * | 2017-06-13 | 2017-09-05 | 湖北久之洋红外系统股份有限公司 | 一种基于傅里叶变换红外光谱仪的气体识别方法 |
CN107468250A (zh) * | 2017-08-21 | 2017-12-15 | 北京理工大学 | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 |
-
2018
- 2018-06-12 CN CN201810601451.9A patent/CN110660120B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6030783A (en) * | 1997-01-31 | 2000-02-29 | Massachusetts Institute Of Technology | Photo-potentiation of cisplatin chemotherapy |
CN103208118A (zh) * | 2013-03-25 | 2013-07-17 | 河海大学 | 一种高光谱遥感影像端元提取方法 |
CN103247034A (zh) * | 2013-05-08 | 2013-08-14 | 中国科学院光电研究院 | 一种基于稀疏光谱字典的压缩感知高光谱图像重构方法 |
CN103488751A (zh) * | 2013-09-24 | 2014-01-01 | 浙江大学 | 基于光谱曲线波形相似度的光谱匹配方法 |
CN105699343A (zh) * | 2016-01-05 | 2016-06-22 | 华南农业大学 | 一种沉香真伪无损鉴别的方法 |
CN107132195A (zh) * | 2017-06-13 | 2017-09-05 | 湖北久之洋红外系统股份有限公司 | 一种基于傅里叶变换红外光谱仪的气体识别方法 |
CN107468250A (zh) * | 2017-08-21 | 2017-12-15 | 北京理工大学 | 基于多尺度熵的生物组织太赫兹成像方法、系统和设备 |
Non-Patent Citations (2)
Title |
---|
ZHOU, KAI 等: "A New Approach of Spectrum Compression based on Morphology Filter", 《INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND APPLICATION ENGINEERING》 * |
姚宝岱: "基于太赫兹波的爆炸物探测技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110660120B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599558B (zh) | 太赫兹光谱成像的数据重构方法、装置、设备和存储介质 | |
US10206580B2 (en) | Full-field OCT system using wavelength-tunable laser and three-dimensional image correction method | |
CN108426640B (zh) | 一种针对红外探测器缺损像元的校正方法 | |
EP2511680A2 (en) | Optimized orthonormal system and method for reducing dimensionality of hyperspectral Images | |
EP2870586B1 (en) | System and method for residual analysis of images | |
CN111626314A (zh) | 点云数据的分类方法、装置、计算机设备和存储介质 | |
US20210272339A1 (en) | Systems and Methods for Generating and Estimating Unknown and Unacquired Ultrasound Data | |
CN110554384A (zh) | 一种基于微波信号的成像方法 | |
CN110660120B (zh) | 太赫兹光谱图像数据的处理方法、装置、设备和存储介质 | |
CN112699919B (zh) | 基于三维卷积神经网络模型的木材鉴别方法、装置 | |
CN115542323B (zh) | Sar运动目标图像快速重聚焦方法、装置和计算机设备 | |
GB2509131A (en) | Method of determining a correction for distortion in eye representations of an ophthalmoscope | |
CN110674324A (zh) | 雷达数据存储方法、装置、计算机设备和存储介质 | |
WO2021014799A1 (ja) | 信号処理装置、信号処理方法 | |
CN101907581B (zh) | 一种适用于高能x射线dr扫描系统的射线能量波动校正方法 | |
GB2593270A (en) | Computer implemented method of spectral un-mixing | |
CN111928942A (zh) | 太赫兹光谱成像数据的处理方法及装置 | |
CN113327209A (zh) | 深度图像生成方法、装置、电子设备和存储介质 | |
CN117471489B (zh) | 基于单像素成像技术的目标探测方法、装置和计算机设备 | |
CN112802148A (zh) | 图像重建方法、目标对象检测方法、装置、设备以及介质 | |
CN117593194B (zh) | 气体特征图生成方法、装置、电子设备和存储介质 | |
CN105301576B (zh) | 直视合成孔径激光成像雷达非线性校正方法 | |
CN113609097B (zh) | 指纹库的生成方法、装置、计算机设备和存储介质 | |
CN111626288B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN116258913B (zh) | 超声图像分类方法、装置、超声设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |